用于人脸表情识别的多分辨率特征融合卷积神经网络

在人脸表情识别任务中,传统的机器学习方法是基于人工来提取特征,其特征提取过程时间复杂度高且稳健性差,而现有依赖单通道卷积核的卷积神经网络提取特征不够充分,进而导致识别率不高。针对这些问题,提出一种多分辨率特征融合的卷积神经网络。利用两个相互独立且深度不同的通道对图片进行特征提取,使卷积神经网络自主学习同一图像下不同分辨率的特征,然后将不同分辨率的特征送入全连接层并进行特征融合,最后经过softmax分类器进行表情分类。在JAFFE和CK+表情数据库上进行了多次实验,结果表明,与传统的机器学习方法和现有的卷积神经网络结构相比,所提卷积神经网络结构模型具有稳健性好、泛化能力强、收敛速度快的优点。